http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
< 구두-B-08 > 앙상블법을 이용한 자동목재수종식별 시스템의 성능향상
권오경 ( Ohkyung Kwon ),이형구 ( Hyung Gu Lee ),양상윤 ( Sang-yun Yang ),김현빈 ( Hyunbin Kim ),박세영 ( Se-yeong Park ),최인규 ( In-gyu Choi ),여환명 ( Hwanmyeong Yeo ) 한국목재공학회 2019 한국목재공학회 학술발표논문집 Vol.2019 No.1
이전 연구에서 개발된 딥러닝 기술과 제재목의 횡단면 이미지를 이용한 목재수종 자동판별 모델인 LeNet3는 목재 횡단면 이미지에 대해 높은 판별 성공률을 보였다. 하지만, 실제 현장에서 활용할 때에는 판목면의 이미지를 얻게 될 경우가 더 많다. 따라서 현장에서의 목재수종 자동판별의 성능을 향상시키기 위해서는 판목면 이미지를 대상으로 하는 모델의 개발이 필요하다. 침엽수재의 판목면 상의 무늬는 횡단면에 비해 수종 간 차이가 덜 명확하며, 잘린 각도에 따라 다양하고 복잡한 무늬가 나타난다. 그 결과 횡단면의 이미지에 대한 높은 판별 성능을 보이는 모델을 적용할 경우, 판목면 이미지에 대한 판별 성능이 낮아질 것으로 예상된다. 따라서 횡단면 이미지, 판목면 이미지 모두에 높은 판별 성능을 보이는 모델을 개발할 필요가 있다. 본 연구에서는 목재의 횡단면, 판목면의 이미지를 이용하여 목재수종을 자동으로 식별하는 앙상블 방법을 이용하여 새로운 모델을 개발하였다. 앙상블 방법은 기존의 여러 가지 모델을 이용하여 분류성능을 향상시키는 방법으로 특정한 무늬에 대한 판별 성능이 높은 여러 개의 모델을 결합하는 방법이다. LeNet 계열의 모델들과 MiniVGGNet 계열의 모델들이 조합 중에서 LeNet2, LeNet3, MiniVGGNet4를 이용한 앙상블 모델의 성능이 가장 좋게 나왔다. 이 앙상블 모델을 이용하여 한국산 5개 수종의 횡단면, 판목면 이미지를 이용하여 목재수종 자동식별을 수행한 결과 개별 모델보다 판별 성능이 향상(f1 score > 0.98)된 것을 확인할 수 있었다. 특히, 잣나무와 소나무에 대한 판별 성능이 크게 향상된 것을 확인하였다.
응급진료센터에 내원한 ST 분절 상승 심근 경색 환자에서 혈소판 용적 지표의 연속 측정을 통한 30일 사망률 예측의 유용성
유지나,유제성,정성필,고동률,김시내,주영선,황윤정,좌민홍,박인철,공태영 대한응급의학회 2017 대한응급의학회지 Vol.28 No.5
Purpose: Among the survivors of a ST elevation myocardial infarction (STEMI), higher platelet volume indices (mean platelet volume, MPV; platelet distribution width, PDW) are associated with impaired reperfusion and ventricular dysfunction. This study examined the relationship between the platelet volume indices and 30-day mortality with STEMI patients who underwent primary percutaneous coronary intervention (PCI). Methods: This retrospective cohort study included patients presenting to the emergency department with STEMI between January 2011 and May 2016. The platelet volume indices were measured serially, using an automatic hematology analyzer, from admission to 24 hours after admission. The prognostic value of MPV, PDW for the 30-day mortality was determined by Cox proportional hazards model analysis. Results: A total of 608 STEMI patients, who underwent reperfusion, were enrolled in this study. According to the multivariable Cox proportional hazard model, higher MPV (hazard ratio [HR], 1.414; 95% confidence interval [CI], 1.024-1.953; p=0.035) and PDW (HR, 1.043; 95% CI, 1.006-1.083; p=0.024) values at time-24 (24 hours after admission) were significant risk factors for the 30-day mortality. A MPV value >8.6 fL (HR, 5.953; 95% CI, 2.973-11.918; p<0.001) and PDW value >56.1% (HR, 5.117; 95% CI, 2.640-9.918; p<0.001) at time-24 were associated with an increased risk of 30-day mortality. Conclusion: The platelet volume indices without an additional burden of cost or time, can be measured rapidly and simply. Higher MPV and PDW levels predict independently the 30-day mortality in patients with STEMI after PCI.